Recursos do Pesquisa de IA do Azure 

Nota

Pesquisa de IA do Azure  está disponível por meio do portal Azure, APIs REST e SDKs do Azure. Ele também sustenta o IQ do Foundry, a camada de conhecimento gerenciado que transforma o conteúdo da empresa em bases de conhecimento reutilizáveis e com reconhecimento de permissão para agentes no portal do Microsoft Foundry.

Pesquisa de IA do Azure  fornece recuperação de informações e usa a integração opcional de IA para extrair mais valor do conteúdo de texto e vetor.

A tabela a seguir resume as funções por categoria. Há paridade de recursos em todas as nuvens públicas, privadas e soberanas Azure, mas não há suporte para alguns recursos em specific regions ou specific tiers.

Recuperação por meio de agentes

Categoria Características
Bases de dados de conhecimento As bases de dados de conhecimento orquestram o pipeline de recuperação agente, conectando-se ao LLM e gerenciando parâmetros de consulta. Uma base de dados de conhecimento faz referência a uma ou mais fontes de conhecimento e define o comportamento de recuperação.
Fontes de conhecimento Fontes de conhecimento especificam o conteúdo usado para recuperação agente. Crie fontes de conhecimento de índices search, Armazenamento de Blobs do Azure, OneLake, SharePoint (indexado), SharePoint (remoto) ou web (Bing).
Planejamento de consultas O planejamento de consultas usa uma LLM para analisar o contexto da conversa e dividir perguntas complexas em subconsultas focadas. Isso inclui processamento de histórico de chat, decomposição de consulta, expansão de sinônimos e correção ortográfica.
Execução de consulta paralela As subconsultas são executadas simultaneamente em todas as fontes de conhecimento. Cada subconsulta oferece suporte à pesquisa por palavra-chave, vetorial e híbrida, com reclassificação semântica automática.
Esforço de recuperação de raciocínio O esforço de raciocínio de recuperação (versão prévia) controla o nível de processamento de LLM no pipeline. Definido como mínimo para velocidade (sem LLM), baixo para processamento equilibrado ou médio para otimização máxima de relevância.
Síntese de resposta Os resultados são combinados em uma resposta unificada com três partes: conteúdo mesclado para aterramento de dados, referências de origem para citações e detalhes de execução mostrando o plano de consulta.

Indexação e extração de dados

Categoria Características
Fontes de dados Os índices de pesquisa podem aceitar texto de qualquer fonte, desde que seja enviado como um documento JSON.

Indexadores são um recurso que automatiza a importação de dados de fontes de dados com suporte para extrair conteúdo pesquisável em armazenamentos de dados primários. Os indexadores lidam com a serialização JSON para você e a maioria dá suporte a alguma forma de detecção de alteração e exclusão. Você pode se conectar a uma variedade de fontes de dados, incluindo Microsoft OneLake, Banco de Dados SQL do Azure, Azure Cosmos DB ou Armazenamento de Blobs do Azure.

Os conectores dos Aplicativos Lógicos oferecem acesso a uma gama mais ampla de fontes de dados, incluindo dados em outras plataformas de nuvem. Esse pipeline de indexação e enriquecimento é criado em Pesquisa de IA do Azure  mas gerenciado em Aplicativos Lógicos do Azure.

Fontes de conhecimento são um recurso de recuperação agente. Eles são usados durante a indexação e em tempo de consulta para dar suporte a uma base de dados de conhecimento.
Estruturas de dados hierárquicas e aninhadas Tipos e coleções complexos permitem que você modele praticamente qualquer tipo de estrutura JSON em um índice de pesquisa. A cardinalidade um para muitos e muitos para muitos pode ser expressa nativamente por meio de coleções, tipos complexos e coleções de tipos complexos.
Análise linguística Analisadores são componentes da pesquisa clássica usada para processamento de texto durante operações de indexação e pesquisa. Por padrão, você pode usar o analisador Standard Lucene de uso geral ou substituir o padrão por um analisador de idioma, um analisador personalizado configurado ou outro analisador predefinido que produz tokens no formato necessário.

Analisadores de linguagem de Lucene ou Microsoft são usados para lidar inteligentemente com aspectos linguísticos específicos, incluindo tempos verbais, gênero, substantivos plurais irregulares (por exemplo, 'mouse' vs. 'mice'), decomposição de palavras, segmentação de palavras (para idiomas sem espaços) e muito mais.

Analisadores léxicos personalizados são usados para formulários de consulta complexos, como correspondência fonética e expressões regulares.

Modelo de chat e integração de agente

Categoria Características
Modelos de conclusão de chat usados durante a indexação A habilidade de prompt do GenAI consiste em acionar um modelo de linguagem de grande porte durante a indexação e fornecer um prompt que determina a tarefa. Você decide qual é a tarefa. Pode envolver descrever uma imagem, resumir ou manipular conteúdo ou qualquer tarefa que o modelo possa executar. A saída é adicionada como um novo campo em um índice pesquisável.
Modelos de conclusão de chat usados no momento da consulta A recuperação agentica usa um modelo de linguagem grande para planejar consultas, decompor e parafrasear consultas complexas para obter uma melhor cobertura de consulta sobre o índice. As respostas da recuperação por meio de agentes foram projetadas para fluxos de trabalho de agente para agente. Você pode passar os resultados da pesquisa como uma única cadeia de caracteres grande, o que simplifica o consumo de agente de seu conteúdo proprietário. A resposta também inclui citações e informações de execução de consulta.

A síntese de resposta (versão prévia) usa o LLM para gerar respostas com base em citação dos resultados da pesquisa retornados pela recuperação por meio de agentes.

Os padrões RAG podem ser implementados usando recursos existentes. A capacidade de ajustar a relevância e construir consultas híbridas melhora a qualidade do conteúdo enviado aos chat bots para geração de respostas.

IA Aplicada e conteúdo enriquecido por IA

Categoria Características
Processamento de IA durante a indexação O enriquecimento de IA refere-se ao processamento embutido de imagem e linguagem natural em um pipeline do indexador que extrai texto e informações de conteúdos que, de outra forma, não poderiam ser indexados para pesquisa de texto completo. O processamento de IA é obtido adicionando e combinando habilidades em um conjunto de habilidades, que é anexado a um indexador. A IA pode ter habilidades internas da Microsoft, como tradução de texto ou OCR (Reconhecimento Óptico de Caracteres), ou habilidades personalizadas que você fornece.

O agrupamento e a vetorização de dados integrados dividem passagens maiores em partes menores que podem ser vetorizadas, com vetores roteados para campos dedicados em um índice para pesquisa vetor e híbrida.
Processamento de IA durante a execução da consulta Os vetorizadores são usados para codificar cadeias de consulta de usuário em vetores para pesquisa de vetor. Você pode usar os mesmos modelos de inserção para consultas usadas para indexação.

Armazenando conteúdo enriquecido para análise e consumo em cenários que não são de pesquisa O repositório de conhecimento é um armazenamento persistente de conteúdo enriquecido com IA ou gerado por IA, destinado a cenários que não são de pesquisa, como cargas de trabalho de mineração de conhecimento e ciência de dados. Um repositório de conhecimento é definido em um conjunto de habilidades, mas criado em Armazenamento do Azure como objetos ou conjuntos de linhas tabulares.
Enriquecimentos armazenados em cache o cache de enriquecimento (versão prévia) se refere a enriquecimentos armazenados em cache que podem ser reutilizados durante a execução do conjunto de habilidades. O cache é valioso em conjuntos de habilidades que incluem o OCR e a análise de imagem, que são caros de processar.

Vetor e recuperação de dados híbrida

Categoria Características
Indexação de vetor Em um índice de pesquisa, adicione campos de vetor para dar suporte a cenários de pesquisa de vetor . Os campos de vetor podem coexistir com campos não vetoriais no mesmo documento de pesquisa.
Consultas de vetor Formular consultas de vetor único e múltiplo.
Algoritmos de pesquisa de vetor Use HNSW (Hierarchical Navigable Small World) ou K-Nearest Neighbors (KNN) exaustivo para encontrar vetores semelhantes em um índice de pesquisa.
Filtros de vetor Aplique filtros antes ou depois da execução da consulta para maior precisão durante a recuperação de informações.
Recuperação de informações híbridas Pesquise conceitos e palavras-chave em uma única solicitação de consulta híbrida.

A pesquisa híbrida consolida a pesquisa de vetor e texto, com classificação semântica opcional e ajuste de relevância para obter melhores resultados.
Agrupamento e vetorização de dados integrados Agrupamento de dados nativos por meio da habilidade de Divisão de Texto. Vetorização nativa utilizando vectorizers e técnicas de incorporação, como Azure OpenAI Embedding, Azure Vision multimodal e AML, que você pode usar para se conectar a endpoints no catálogo de modelos do Microsoft Foundry.

A vetorização integrada fornece um pipeline de indexação de ponta a ponta de arquivos de origem para consultas.
Compactação e quantização de vetor integradas Use a quantização escalar e binária interna para reduzir o tamanho do índice vetor na memória e no disco. Você também pode renunciar ao armazenamento de vetores de que não precisa ou atribuir tipos de dados estreitos a campos de vetor para requisitos de armazenamento reduzidos.

Texto completo clássico e outros formulários de consulta

Categoria Características
Pesquisa de texto de forma livre A pesquisa de texto completo é um caso de uso primário para a maioria dos aplicativos baseados em pesquisa. As consultas podem ser formuladas usando uma sintaxe com suporte.

A sintaxe de consulta simples fornece operadores lógicos, operadores de pesquisa de frases, operadores de sufixo, operadores de precedência.

A sintaxe de consulta Lucene completa inclui todas as operações em sintaxe simples, com extensões para pesquisa difusa, pesquisa por proximidade, aumento de termos e expressões regulares.
Relevância Pontuação simples é um benefício fundamental do Pesquisa de IA do Azure . Use perfis de pontuação para modelar relevância como uma função de valores nos próprios documentos. Por exemplo, talvez você queira que produtos mais recentes ou produtos com desconto apareçam mais altos nos resultados da pesquisa. Você também pode criar perfis de pontuação usando marcas para pontuação personalizada com base nas preferências de pesquisa do cliente que você rastreia e armazena separadamente.

O classificador semântico é um recurso premium que reclassifique os resultados com base na relevância semântica para a consulta. Dependendo do seu conteúdo e cenário, ele pode melhorar significativamente a relevância da pesquisa com configuração ou esforço mínimos.
Pesquisa geoespacial As Funções geoespaciais filtram e correlacionam-se com as coordenadas geográficas. Você pode corresponder à distância ou por inclusão em uma forma de polígono.
Filtros e facetas A navegação facetada é habilitada por meio de um único parâmetro de consulta. Pesquisa de IA do Azure  retorna uma estrutura de navegação facetada que você pode usar como o código por trás de uma lista de categorias, para filtragem autodirecionada (por exemplo, para filtrar itens de catálogo por faixa de preço ou marca).

Os filtros podem ser usados para incorporar a navegação facetada na interface do usuário do aplicativo, aprimorar a formulação de consulta e filtrar com base nos critérios especificados pelo usuário ou pelo desenvolvedor. Crie filtros usando a sintaxe OData.
Experiência do usuário O Preenchimento automático pode ser habilitado para as consultas de digitação antecipada em uma barra de pesquisa.

As sugestões de pesquisa também funcionam fora de entradas de texto parciais em uma barra de pesquisa, mas os resultados são documentos reais em seu índice em vez de termos de consulta.

Sinônimos associam termos equivalentes que expandem implicitamente o escopo de uma consulta, sem que o usuário precise fornecer os termos alternativos.

O destaque de palavras aplica a formatação de texto a uma palavra-chave correspondente nos resultados da pesquisa. Você pode escolher quais campos retornam snippets realçados.

A classificação é oferecida para vários campos por meio do esquema de índice e, em seguida, alternada em tempo de consulta com um único parâmetro de pesquisa.

Paginação e limitação dos resultados da pesquisa são diretos, graças ao controle preciso que a Pesquisa de IA do Azure oferece sobre os resultados da pesquisa.

Recursos de segurança

Categoria Características
Segurança de rede As regras de IP para suporte ao firewall de entrada permitem que você configure intervalos de IP nos quais o serviço de pesquisa aceita solicitações.

Crie um ponto de extremidade privado usando o Link Privado do Azure para forçar todas as solicitações por meio de uma rede virtual.

Network security perimeter permite unir Pesquisa de IA do Azure  a um perímetro de segurança de rede que inclui outros recursos do Azure para que você possa gerenciar o acesso à rede de maneira holística.
Criptografia de dados Microsoft-managed encryption-at-rest é integrado à camada de armazenamento interno e é irrevogável.

CMK (chaves de criptografia gerenciadas por Customer) que você cria e gerencia em Azure Key Vault podem ser utilizadas para criptografia suplementar de índices e mapas de sinônimos. Para serviços criados após 1º de agosto de 2020, a criptografia cmk se estende a dados em discos temporários, para criptografia dupla completa de conteúdo indexado.
Acesso de entrada Role-based access control atribui funções a usuários e grupos em Microsoft Entra ID para acesso controlado ao conteúdo e operações de pesquisa. Você também pode usar a autenticação baseada em chave se não quiser usar atribuições de função.

O controle de acesso no nível do documento (versão prévia) filtra os resultados da pesquisa que um usuário não está autorizado a ver. Para várias fontes de dados, se a fonte de dados fornecer um modelo de controle de acesso, você poderá configurar um índice para herdar os metadados de permissão do usuário.
Segurança de saída (indexadores) Conexões de dados por meio de pontos de extremidade privados permitem que um indexador se conecte a recursos do Azure protegidos por meio do Link Privado do Azure.

Conexões de dados por meio de identidades gerenciadas autentica conexões com recursos Azure usando um principal de segurança Microsoft Entra, que elimina o armazenamento e a passagem de chaves de API codificadas.

Acesso a dados usando uma identidade confiável significa que cadeias de conexão para fontes de dados externas podem omitir nomes de usuário e senhas. Quando um indexador se conecta à fonte de dados, o recurso permite a conexão se o serviço de pesquisa foi registrado anteriormente como um serviço confiável (aplica-se apenas a Armazenamento do Azure).

Recursos do portal

Categoria Características
Ferramentas para protótipos e inspeção Add index é um designer de índice no portal Azure que você pode usar para criar um esquema básico que consiste em campos atribuídos e algumas outras configurações. Depois de salvar o índice, você pode preenchê-lo usando um SDK ou a API REST para fornecer os dados.

Importar dados é um assistente que cria um pipeline de indexação completo, incluindo um índice, um indexador, um conjunto de habilidades e uma definição de fonte de dados, para pesquisa por palavra-chave e cenários RAG (Rapid, Applied, Groups). Para o RAG, ele também lida com o agrupamento e a vetorização de dados. Se os dados existem no Azure, esse assistente pode poupar tempo e esforço significativos, especialmente para investigação e exploração de prova de conceito.

Explorador de pesquisa é usado para testar consultas e refinar perfis de pontuação.

Criar aplicativo de demonstração é usado para gerar uma página HTML que pode ser usada para testar a experiência de pesquisa.

Sessões de Depuração é um editor visual que permite depurar um conjunto de competências interativamente. Ele mostra as dependências, a saída e as transformações.
Monitoramento e diagnóstico Habilitar recursos de monitoramento para ir além das métricas à primeira vista que estão sempre visíveis no portal do Azure. As métricas nas consultas por segundo, latência e limitação são capturadas e informadas nas páginas do portal sem nenhuma configuração adicional necessária.

Programação

Categoria Características
REST A API REST de serviço é para operações de plano de dados, incluindo todas as operações relacionadas à indexação, consultas, enriquecimento de IA e recuperação agente. Você também pode usar essa biblioteca de clientes para recuperar informações e estatísticas do sistema.

Management REST API é para criação e provisionamento de serviço por meio de Azure Resource Manager. Você também pode usar essa API para gerenciar chaves e capacidade.
SDK do Azure para .NET Azure. Search.Documents é para operações de plano de dados, incluindo todas as operações relacionadas à indexação, consultas e enriquecimento de IA. Você também pode usar essa biblioteca de clientes para recuperar informações e estatísticas do sistema.

Microsoft.Azure. Management.Search é para criação e provisionamento de serviço por meio de Azure Resource Manager. Você também pode usar essa API para gerenciar chaves e capacidade.
SDK do Azure para Java com.azure.search.documents é para operações de plano de dados, incluindo todas as operações relacionadas à indexação, consultas e enriquecimento de IA. Você também pode usar essa biblioteca de clientes para recuperar informações e estatísticas do sistema.

com.microsoft.azure.management.search é para criação e provisionamento de serviço por meio de Azure Resource Manager. Você também pode usar essa API para gerenciar chaves e capacidade.
SDK do Azure para Python azure-search-documents é para operações de plano de dados, incluindo todas as operações relacionadas à indexação, consultas e enriquecimento de IA. Você também pode usar essa biblioteca de clientes para recuperar informações e estatísticas do sistema.

azure-mgmt-search é para criação e provisionamento de serviço por meio de Azure Resource Manager. Você também pode usar essa API para gerenciar chaves e capacidade.
SDK do Azure para JavaScript/TypeScript azure/search-documents é para operações de plano de dados, incluindo todas as operações relacionadas à indexação, consultas e enriquecimento de IA. Você também pode usar essa biblioteca de clientes para recuperar informações e estatísticas do sistema.

azure/arm-search é para criação e provisionamento de serviço por meio de Azure Resource Manager. Você também pode usar essa API para gerenciar chaves e capacidade.
  • Last updated on